In letzter Zeit wurde das Potenzial von Twitter für forschungsrelevante Anwendungen vermehrt wahrgenommen. Dies führt unter anderem zur Nutzung von Twitter im Zuge wissenschaftlicher Konferenzen. Daraus kann geschlossen werden, dass entsprechende Communities während wissenschaftlichen Konferenzen interessante Informationen zur Verfügung stellen. Jedoch ist es fast unmöglich alle Tweets, die während einer Konferenz veröffentlicht werden, zu lesen oder überhaupt erst interessante Informationen aus Tweets manuell zu extrahieren. So wurden während der WWW2012 Konferenz beispielsweise 6901 Tweets, mit dem der Konferenz designierten Hash-Tag #www2012, veröffentlicht. Diese Arbeit beschreibt die Implementierung und Evaluierung eines Systems welches Tweets, die im Kontext einer wissenschaftlichen Konferenz veröffentlicht wurden, clustert. Die resultierenden Cluster wurden visualisiert, um sie für den Menschen verständlicher zu machen. Die Evaluierung des Systems anhand der Tweets, die während der WWW2012 veröffentlicht wurden, verdeutlicht, dass sowohl Themen als auch organisatorische Events extrahiert werden können. Darüber hinaus zeigen die Ergebnisse die Notwendigkeit weitere Clustering-Techniken zu evaluieren und zusätzliche Techniken zu implementieren, um Beziehungen zwischen den Clustern herzustellen.  

Diese Arbeit befasst sich mit der Erweiterung einer bestehenden Webapplikation (Headstart (Kraker et al., 2013)) um eine Visualisierung für Zeitreihen (Time Series Data). Visualisierungen ermöglichen es, komplexe Sachverhalte in besser verständliche Formen zu bringen und diese einfacher zu interpretieren. Eine besonders interessante Art von Informationen sind Zeitreihen. Diese häufig auftretende Form von Daten bietet sich dazu an, um Trends und Muster zu erkennen und Aussagen über zukünftige Entwicklungen zu machen.Als Proof of Concept wird eine Visualisierung entwickelt, welche es den Anwendern von Headstart ermöglicht, Trends und Entwicklungen in Forschungsgebieten auszumachen. Um die Erweiterung in dem bestehenden Projekt zu bewerkstelligen, muss dieses erst um einen Statusverwaltungsmechanismus bereichert werden. Dessen Implementation bildet den einen Teil dieser Arbeit, während sich der zweite Teil der neuen Visualisierung widmet.Der Einbau der Statusverwaltung wurde mit Hilfe von vorgestellten Metriken aufgezeichnet und führte zu einer klaren Verbesserung des Projektes. Somit sind zukünftige Erweiterungen mit deutlich weniger Aufwand verbunden. Die Visualisierung für Zeitreihen durch Small Multiples bleibt der ursprünglichen Oberfläche treu und ermöglicht den Benutzern, einfach Vergleiche zwischen Forschungsgebieten anzustellen.